人工智能在资管行业的应用——基于基本面投资研究

人工智能的发展推动着人类社会的智能化程度日益提升,也为各行各业带来新的机遇。在资产管理行业,如何将日新月异的人工智能和日积月累的专家智能有效结合并应用于金融投资,是一个值得长期探索的金融课题。本文拟探讨人工智能技术应用于资产管理行业的经验和挑战,以及人工智能和专家智能投资方法各自的优劣,并重点介绍一种将两者相结合的基本面量化投资框架的构建思路和细节。该框架通过归纳行业逻辑、提取数据规律,充分将专家智能和人工智能优势互补、各尽其能。实证表明,这种人机协同的投资框架能有效地将行业高频数据信息转化为投资信号。基于该框架的择时策略,在轮胎、造纸、乘用车等多个行业上都能获得不同程度的超额收益。     

证券市场内幕交易的行为动机研究

2007年中国资本市场进入了全流通时代,全流通下内幕交易可能会比股权分置时更加严重,如何有效防范大股东和机构投资者利用信息优势、资金优势、控制权优势进行内幕交易,是全流通下内幕交易监管防范面临的主要挑战。本文从内幕交易的行为动机及其影响因素展开研究,借鉴Becker(1968)"犯罪经济学"的研究框架及行为金融学的相关理论,选取了相应影响因素的度量指标,架构了内幕交易行为动机模型。然后基于问卷调查的模拟数据,运用结构方程模型对影响内幕交易行为动机模型中各个变量之间的逻辑关系和内在影响机制进行了实证研究,得出富有价值的研究结论,并据此给出相应的政策建议。